Sistema computarizado para la detección y corrección de faltas ortográficas.

Abstract

En este trabajo se presenta un sistema computarizado para detectar y corregir los errores de ortografía que aparecen en textos. El sistema se implementó en una computadora Hewlett-Packard 3000, utilizando el lenguaje de programación PASCAL. El proceso se divide en dos etapas: Detección de un error El texto que se está revisando debe tener un máximo de ochenta caracteres por línea y debe estar almacenado en código ASCII. Cada palabra en el texto se busca en una lista de palabras frecuentemente usadas y luego en un diccionario. Si no aparece en ninguna de las dos, la palabra se toma como mal escrita. Corrección del error A la palabra incorrecta se le aplican cuatro reglas, a manera de formar nuevas palabras que se espera estén en, el diccionario. Se pueden obtener cualquiera de dos resultados siguientes: ninguna palabra nueva aparece en el diccionario (la corrección es nula), una de las palabras nuevas sí aparece (y se supone que es la correcta), varias palabras aparecen en el diccionario (el usuario escoge cuál es la correcta). El diccionario de palabras se implementó en una estructura llamada "trie", similar a la de un árbol. Al buscar una palabra, se recorre el "trie" desde la raíz (o sea la primera letra de la palabra) hasta llegar a una hoja (la última letra de la palabra). Si una palabra no está almacenada en el "trie", su búsqueda se interrumpe en un nivel N que corresponde a la N-ésima letra de la palabra. Es en esta letra donde se aplican las reglas siguientes: 1. transposición de las letras en las posiciones N y N+1 2. se sustituye la letra por las otras del alfabeto 3. se elimina la letra 4. se insertan, una a la vez, todas las letras del alfabeto En teoría se pueden crear 2*N+1 (o sea 1+(N-1)+1+N) palabras nuevas usando un alfabeto de N letras. Cada una de estas palabras se busca en el diccionario. Para que el lector tenga un conocimiento básico sobre el problema, también se presenta un historial de los estudios realizados y las soluciones planteadas. RR